细胞类型太多不用写代码就能感兴趣的细胞重新分群 | 单细胞专题

单细胞RNA测序可以在单个细胞分辨率水平上检测细胞转录水平，从而揭示单个细胞内所有基因表达和细胞间的异质性。近年来，单细胞测序在生殖、发育生物学、肿瘤、免疫等研究中逐渐增加。

以肿瘤微环境（Tumor microenvironment，TME）研究为例，它是肿瘤细胞产生和生活的内环境，其中不仅包含了肿瘤细胞本身，还有与肿瘤细胞有密切联系的成纤维细胞，免疫细胞，炎性细胞等各种细胞。其中肿瘤免疫微环境又包含了多种肿瘤浸润的免疫细胞，比如T细胞，B细胞，NK细胞，肥大细胞等。通过单细胞测序分析，不仅可以分析实体瘤内细胞的异质性，还有助于阐述肿瘤微环境中各类免疫细胞对肿瘤的发生、发展、转移、耐药和免疫逃逸等分子作用机制。这么多细胞类型，如何对各类细胞进行更细致的分析从而获得更有效信息呢？

我们先来看一篇鼻咽癌（Nasopharyngeal carcinoma，NPC）的单细胞研究，作者从15例原发性NPC肿瘤和一个正常样本中共获得了48,584个细胞（其中包含了7581个恶性肿瘤细胞和40,285个免疫细胞）的单细胞转录组图谱。首先，基于基因表达特征，鉴定得到了免疫细胞（即髓样细胞，T/自然杀伤细胞NK和B细胞）以及除上皮细胞（包含恶性和非恶性细胞）外的与癌症相关的成纤维细胞（cancer-associated fibroblasts ，CAF）。

然后，对每种主要的细胞类型（即恶性，髓样细胞，T/NK，B细胞）分别进行数据归一化，降维和聚类处理，用于识别各类细胞更细致的亚群（subclusters）。这种方法揭示了一个复杂的肿瘤微环境（TNE），包含了13个恶性细胞亚群和23个不同的免疫细胞亚群。随后，分析了每个亚群的特征基因，以T细胞亚群为例（下图2）：

通过以上的分析，揭示了肿瘤内转录异质性以及恶性细胞侵袭性的特征，鉴定了多种免疫细胞亚型，包括新型亚型，比如CLEC9A+的树突细胞（DCs）。进一步揭示了潜在的免疫细胞多样性的转录调控因子，并且通过细胞间的相互作用分析突出了NPC中有希望的免疫治疗靶标。

以上提取细胞重聚类分析的功能联川云平台“10X单细胞转录组部分cluster再分群分析”已经上线了，不用您写代码，只需要动动手指点下参数就可以完成了。

云分析网址：https://www.omicstudio.cn/analysis

以demo数据T细胞为例，基础分析我们获得0-22共23个细胞cluster（下图左），通过鉴定获得5类细胞注释结果（下图右），其中T细胞的cluster为2,3,4,6,9,14,17,21。

点击上述的链接进入云分析，找到相应的数据创建条目，然后进入数据选择界面，选择来自T细胞的cluster：2,3,4,6,9,14,17,21，点击开始分析，即可对T细胞的数据进行重聚类分析。示例采用umap的降维方式，对T细胞重聚类后共获得0-12个，13个subclusters，聚类降维结果见下图。

除了重聚类可视化外，还对每个subcluster的信息进行统计以及每个subcluster与其他subclusters的差异基因分析和功能富集分析。

以上这些分析该工具均可实现，而且您还可以根据您的数据实际情况，调整分析参数，比如不同的降维方式选择，样本间批次效应的去除等。值得注意的是，如果您感兴趣的细胞类型本身细胞数目比较少（<100个细胞，如鼻咽癌文章中的CAFs细胞），不建议再进行亚群细分。

参考文献：Chen Yu-Pei,Yin Jian-Hua,Li Wen-Fei et al. Single-cell transcriptomics reveals regulators underlying immune cell diversity and immune subtypes associated with prognosis in nasopharyngeal carcinoma.[J] .Cell Res, 2020, undefined: undefined.

相关阅读